MAI-DxO to opracowany przez Microsoft orkiestrator, czyli system koordynujący kolejne kroki modelu językowego w tekstowym przypadku medycznym. W benchmarku SDBench osiągnął 83,2% dokładności w przypadkach NEJM i 80,3% w MIMIC-IV-ED; średnie wyniki uczestniczących lekarzy wyniosły odpowiednio 36,1% i 46,8%. Są to rezultaty symulacji, a porównanie NEJM obejmowało różną liczbę przypadków po stronie AI i lekarzy.
Jak działa test SDBench
Sekwencyjny Diagnosis Benchmark (SDBench) zamienił 304 przypadki z konferencji kliniczno-patologicznych NEJM oraz 325 przyjęć do szpitala z oddziałów ratunkowych MIMIC-IV-ED w tekstowe symulacje. System zaczynał od krótkiego opisu, a następnie mógł pytać o wywiad lub badanie, zlecać testy i podać diagnozę. Główne raportowane wyniki uzyskano z GPT-5.
W symulacji Gatekeeper udostępniał informacje z dokumentacji przypadku. Jeśli brakowało w niej odpowiedzi na żądanie systemu, mógł wygenerować neutralny diagnostycznie wynik syntetyczny. Osobny moduł oceniający stosował pięciostopniową skalę; za poprawne uznawał oceny 4 lub 5, czyli diagnozy, które według autorów nie zmieniłyby postępowania.
W demonstracji Microsoftu z 29 czerwca 2025 r. Xiao Liu, badaczka medyczna Microsoft AI, pokazuje jeden przypadek: MAI-DxO kolejno zbiera informacje, zleca badania, aktualizuje możliwe rozpoznania i śledzi szacowane koszty. Film jest po angielsku.
Co mówią wyniki dokładności
| Zbiór benchmarku | Dokładność MAI-DxO | Średni wynik lekarzy |
| NEJM CPC | 83,2% | 36,1% |
| MIMIC-IV-ED | 80,3% | 46,8% |
Wynik MAI-DxO dla NEJM dotyczył wszystkich 304 przypadków, natomiast ocenę lekarzy przeprowadzono na 56 odłożonych przypadkach. Wynik 36,1% odnosi się do lekarzy korzystających z materiałów referencyjnych; bez nich uzyskali 22,3%. Zestawienie pokazuje wyniki w benchmarku, ale nie jest porównaniem na równych próbach w przypadku NEJM.
Koszty zależały od konfiguracji
W przypadku NEJM dokładność i szacowany koszt badań zmieniały się wraz z konfiguracją MAI-DxO. Średni wynik lekarzy korzystających z materiałów referencyjnych wyniósł 36,1%, a szacowany koszt na przypadek 4 725 USD.
| Oceniana grupa lub konfiguracja | Dokładność | Szacowany koszt na przypadek |
| MAI-DxO, konfiguracja bez limitu budżetu | 83,2% | 5 431 USD |
| MAI-DxO, konfiguracja budżetowa | 80,9% | 2 241 USD |
| MAI-DxO, konfiguracja budżetowa | 79,6% | 1 303 USD |
| MAI-DxO, konfiguracja ukierunkowana na dokładność | 84,5% | 8 945 USD |
| Lekarze korzystający z materiałów referencyjnych | 36,1% | 4 725 USD |
Punkt MAI-DxO z wynikiem 83,2% miał wyższy szacowany koszt niż średnia lekarzy korzystających z materiałów referencyjnych. Dane pokazują więc zależność między konfiguracją, dokładnością i modelowanym kosztem, a nie uniwersalną oszczędność.
Badacze szacowali koszty, dopasowując kody CPT do cennika standardowych opłat Kaiser Permanente Washington z 2023 r. Pytaniom o wywiad i badanie przypisali stały koszt wizyty lekarskiej w wysokości 300 USD. To modelowane kwoty w amerykańskich dolarach, nie rachunki pacjentów.
Czego benchmark nie obejmował
SDBench obejmował przypadki patologiczne, bez zdrowych osób i łagodnych dolegliwości. Symulacja tekstowa nie odtwarzała zwykłej rozmowy z pacjentem, badania fizykalnego w warunkach klinicznych ani obrazów i innych danych multimodalnych. Oceniano diagnozę, nie bezpieczeństwo leczenia, dalsze decyzje terapeutyczne ani długoterminowe wyniki. Porównanie dotyczyło pojedynczych lekarzy ogólnych, a nie zespołów specjalistów.
Artykuł w „Science”, opublikowany 22 października 2026 r., nie wyciąga z tych wyników wniosku o przewadze MAI-DxO nad specjalistami, zespołami ani praktyką kliniczną. Autorzy odnotowali też, że 56 najnowszych przypadków NEJM, opublikowanych w latach 2024–2025, odłożono poza etap opracowywania orkiestracji. Większość ukazała się po datach odcięcia danych treningowych ocenianych modeli, choć część publicznych opisów przypadków mogła być wcześniej dostępna w danych treningowych.
Wszyscy autorzy badania byli pracownikami Microsoftu i posiadali udziały w firmie; badanie nie otrzymało finansowania spoza Microsoftu.
Jaki kolejny krok zapowiedział Microsoft
22 października 2026 r. Microsoft zapowiedział planowaną ocenę z Beth Israel Deaconess Medical Center. W badaniu pacjenci mieliby korzystać z systemu, a jego wyniki byłyby porównywane z niezależnymi ocenami lekarzy.
